Search Icon
ΑΝΑΖΗΤΗΣΗ
Τεχνολογία

Μοντέλο βαθιάς μάθησης μπορεί να βελτιώσει την αξιολόγηση του πόνου

Μοντέλο βαθιάς μάθησης μπορεί να βελτιώσει την αξιολόγηση του πόνου

«Το μοντέλο τεχνητής νοημοσύνης θα μπορούσε να βοηθήσει στη βελτίωση της φροντίδας των ασθενών μέσω, σε πραγματικό χρόνο, αμερόληπτη ανίχνευση του πόνου».

Ένα αυτοματοποιημένο σύστημα αναγνώρισης πόνου είναι πολλά υποσχόμενο για την ανίχνευση του πόνου πριν, κατά τη διάρκεια και μετά την επέμβαση, σύμφωνα με μια μελέτη που παρουσιάστηκε στο ANESTHESIOLOGY 2023, την ετήσια συνάντηση της Αμερικανικής Εταιρείας Αναισθησιολόγων, που πραγματοποιήθηκε από τις 13 έως τις 17 Οκτωβρίου στο Σαν Φρανσίσκο.


Ο Timothy Heintz, από το Πανεπιστήμιο της Καλιφόρνια του Σαν Ντιέγκο, και οι συνεργάτες του εξέτασαν τη χρήση μοντέλων βαθιάς μάθησης με βάση την όραση υπολογιστή (DL) για την πρόβλεψη μετρήσεων πόνου χρησιμοποιώντας εικόνες προσώπου σε 77 ασθενείς. Οι ασθενείς καταγράφηκαν χρησιμοποιώντας μια διάταξη τριών καμερών και τα επεισόδια πόνου τεκμηριώθηκαν και αξιολογήθηκαν χρησιμοποιώντας την αυτοπεριγραφόμενη κλίμακα οπτικής αναλογικής κλίμακας (VAS) και την κλίμακα Εργαλείο Παρατήρησης Πόνου Κρίσιμης Φροντίδας (CPOT) που μετρήθηκε από τον παρατηρητή.

Οι ακατέργαστες εικόνες προσώπου χωρίστηκαν τυχαία σε:

  • προπόνηση (60 τοις εκατό),
  • επικύρωση (20 τοις εκατό)
  • και σετ δοκιμών (20 τοις εκατό).

 

Τα μοντέλα βαθιάς μάθησης εκπαιδεύτηκαν σε 143.293 εικόνες από 115 και 159 επεισόδια πόνου και μη πόνου σε 69 μοναδικούς ασθενείς που υποβλήθηκαν σε μια σειρά εκλεκτικών χειρουργικών επεμβάσεων. Για το CPOT, οι βαθμολογίες ≤2 ταξινομήθηκαν ως χωρίς πόνο και οι βαθμολογίες ≥3 ταξινομήθηκαν ως πόνος. Η βαθμολογία 0 στο VAS υποδηλώνει ότι δεν υπάρχει πόνος, ενώ βαθμολογίες μεγαλύτερες από 0 υποδεικνύουν πόνο. Οι ερευνητές διαπίστωσαν ότι τα μοντέλα DL απέδωσαν με ακρίβεια 88 και 66 τοις εκατό για το CPOT και το VAS, αντίστοιχα.

Οι χάρτες θερμότητας απόφραξης έδειξαν αυξημένη προσοχή στα φρύδια, τη μύτη και το άνω χείλος, υποδεικνύοντας ότι αυτοί ήταν κρίσιμοι δείκτες του προσώπου για την εκτίμηση του πόνου. «Το μοντέλο τεχνητής νοημοσύνης μας με απόδειξη της ιδέας θα μπορούσε να βοηθήσει στη βελτίωση της φροντίδας των ασθενών μέσω, σε πραγματικό χρόνο, αμερόληπτη ανίχνευση του πόνου», δήλωσε ο Heintz σε μια δήλωση.

Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον Κόσμο
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube

Διαβάστε Eπίσης:

Τεχνικές για να αποφύγετε πιθανό πόνο στον αυχένα

Το παιδικό τραύμα αυξάνει τον κίνδυνο χρόνιου πόνου στην ενήλικη ζωή

Κατανόηση και διαχείριση του χρόνιου πόνου

Μπορεί ο πόνος και η δυσφορία στο έντερο να υποδηλώνουν καρκίνο του πρωκτού

svg%3E svg%3E
svg%3E
svg%3E
Περισσότερα

Πώς η Σεισμολογία βοηθά στην υπερηχογραφική απεικόνιση;

Σεισμολογία: Οι στατικές διορθώσεις στη σεισμολογία είναι εκτιμήσεις για το πόσο επιβραδύνεται ή επιταχύνεται ένα σεισμικό κύμα κοντά σε έναν δέκτη κατά το τελευταίο σκέλος της διαδρομής του μέσα από τη γη.

Μια τεχνολογία αναγνωρίζει με ακρίβεια την αυτοκτονική συμπεριφορά από τις λέξεις 

Μέσω της ανάλυσης αυτού του λεξιλογίου, η τεχνολογία μπορεί να εντοπίσει σημεία κινδύνου και να παρέχει έγκαιρη προειδοποίηση σε επαγγελματίες ψυχικής υγείας ή σε αρμόδιες υπηρεσίες.

Η εικονική πραγματικότητα μπορεί να μειώσει τα συμπτώματα παράνοιας στους ψυχωτικούς ασθενείς 

Μέσω της επανάληψης και της έκθεσης σε εικονικά σενάρια που μοιάζουν με τις πραγματικές τους εμπειρίες, οι ασθενείς μπορούν να μάθουν να διακρίνουν μεταξύ πραγματικών και παράλογων απειλών, μειώνοντας έτσι την αίσθηση απειλής και δυσπιστίας.

Φορητή συσκευή ανιχνεύει σπάνιες μεταλλάξεις

Η συσκευή μοιάζει με ένα τεστ PCR, αλλά είναι πιο φορητή και ταχύτερη, αποδίδοντας αποτελέσματα εντός 10 λεπτών, σύμφωνα με τους ερευνητές, προσθέτοντας ότι η τεχνολογία στοχεύει στην ταχεία ανίχνευση μεταλλάξεων στο σημείο φροντίδας. 

Νέο εργαλείο ΑI εντοπίζει περισσότερες περιπτώσεις Long Covid 

Το νέο εργαλείο AI βασίζεται σε προηγμένες τεχνικές μηχανικής μάθησης και ανάλυσης δεδομένων, αξιοποιώντας μεγάλες βάσεις δεδομένων ιατρικών αρχείων, αποτελέσματα εξετάσεων, ιστορικό νοσηλείας και αναφορές ασθενών.

Close Icon